נטפליקס בעולם חומרי הלימוד במתמטיקה?

אין כל חידוש באמירה כי בתחומים רבים בחיים הטכנולוגיה מסייעים לנו לבחור את התוכן המתאים לנו ביותר. כך למשל, העדפה שלנו בבחירת הצפייה בסופרנוס על פני פיקי בליינדרס תגרום לכך שבעת שנרצה לשבת ולצפות בסרט בנטפליקס, ההצעה הראשונה שתקפוץ לנו תהיה "האירי". זוהי רק דוגמה קטנה מתוך מאות אלפי אפשרויות והחלטות שהטכנולוגיה מסייעת לנו בהן – כאשר רבות מהן מבוססות על מנגנונים של קיבוץ ותיוג. עם זאת, עדיין, הטכנולוגיה משאירה את הבחירה בסופו של דבר בידינו.

חלק מהאתגר בהתפתחות הטכנולוגיות הללו הוא רתימתן לטובת התאמה טובה יותר, גם בתוך מערכת החינוך בכלל, והוראת מתמטיקה בפרט. דרך שנדמית כמבטיחה (אך גם ארוכה ומאתגרת) היא באמצעות פיתוח של מנגנונים מוסכמים ומותאמים לתיאור (תיוג) היבטים שונים של חומרי הוראה ותהליכי למידה והוראה, וזאת תוך ניצול מירבי של היתרונות בשילוב טכנולוגיה לצרכי תיעוד, ניתוח, והנגשת הנתונים והאנליטיקות השונות.

כיוון החשיבה הזה מוביל מספר פיתוחים טכנולוגיים אשר ממוקדים בהוראה ולמידה של מתמטיקה, המבוצעים באוניברסיטת חיפה. סביבת המרא"ה (הערכה מעצבת – רואים את התמונה), אשר מפותחת בהובלה משותפת של פרופ' מיכל ירושלמי ושלי, רותמת את הסביבה הטכנולוגית לא רק לעבודה של התלמיד אלא גם לניתוח והפקת דו"חות ואנליטיקות מתקדמות, אשר מתייחסות בצורה מעמיקה למאפיינים המתמטיים של עבודת תלמידים (למשל, שגיאות או פתרונות מעניינים ויצירתיים). המרא"ה עובדת בבתי ספר בטווחי גילאים מהיסודי ועד האוניברסיטה, וההפעלה שלה בשטח מבוצעת בתיאום עם משרד החינוך, ובליווי שותפים שונים כגון קרן טראמפ. סביבת המרא"ה היא דוגמה אחת לשילוב של עולם הנתונים (דטה) בצורה ממוקדת להיבטים ספציפיים להוראת המתמטיקה.

איזה הצעות צפייה תקבלו מנטפליקס? איך הן נקבעות? צילום אילוסטרציה: BigStock

בחזרה לנטפליקס – אבן דרך נוספת בדרך להיתכנות של מערכת משאבי לימוד הפועלת בדומה לנטפליקס, הושגה במחקר אשר אסף מספר מורים ונתן להם ספר לימוד מתמטיקה וביקש מהם לתייג את החומרים בספר, למשל – תיאור נושאים ומיומנויות שונות, שימוש אפשרי או מעשי במשימות כגון פתיחת שיעור, עבודה בקבוצות, ועוד.

במחקר זה, במסגרת פרויקט מחקרי שנתמך על ידי משרד המדע הישראלי בו עבדתי יחד עם פרופ' ירושלמי וד"ר ג'ייסון קופר, פותח כלי תיוג (זמין לציבור דרך חנות האפליקציות של גוגל), אשר עשה שימוש בטכנולוגיות שונות להצגה של הנתונים של ספר הלימוד המתוייג. התהליך דומה לבניית תיאור של סרט על סמך תיאורים וביקורות של צופים בו – ולאחר מכן בדיקה עד כמה התיאורים הללו תואמים את כוונות הבמאי. לצורך כך ערכנו ניתוחים סטטיסטיים, תוך הסקת מסקנות על מאפייני ספר הלימוד – וזאת על סמך התיוגים בלבד. תובנות אלו אוששו בראיון עם כותבת הספר כהולמות בצורה מלאה את כוונותיה הפדגוגיות. כלומר – התהליך אפשר לתאר את הספר על סמך תיאורי המתייגים, ללא צורך לקבל מידע נוסף מהמחברים בצורה מהימנה התואמת את כוונותיהם. בנוסף, למדנו במחקר והפיתוח הזה עד כמה תיוג משאבי למידה מהווה מקור ידע להבנת סביבת הלמידה וההוראה של המתייגים, ובכך ללמוד על מידת ההתאמה של משאבי למידה אליהם.

אבל יש עוד לאן להתקדם. תיוג ידני, כמו שבוצע במחקר המוזכר לעיל, הינו תהליך שדורש משאבים רבים, וככלל פעולת תיוג איננה פעולה שמשתמשים נוטים לבצע (כמה פעמים דאגתם שכל התיקיות שלכם במחשב יהיו מסודרות בצורה היררכית לפי התוכן שלהן? או ששם המסמך יעיד בצורה טובה מספיק על תוכנו, כך שאפשר יהיה לחפש אותו באופן מושכל?) השלב הבא הוא תיוג שיתבצע ברובו באופן אוטומטי, ויציג המלצות למורה – אותו גורם קריטי של human in the loop – אשר מודע לצרכים הייחודיים של תלמידיו: אילו שלא בהכרח נלקחים בחשבון על ידי האלגוריתם.

הכותב הוא דוקטור בחוג לחינוך מתמטי והמרכז למחקר וחדשנות בחינוך מתמטי באוניברסיטת חיפה